OpenAI Gym：BlackjackEnv

在这节课，你将编写代码来指导智能体玩二十一点。

请在该教科书的第 5.1 个示例中详细了解二十一点游戏。

完成后，请查看相应的 GitHub 文件，并阅读 BlackjackEnv 类的注释部分。（虽然你不需要理解所有代码的原理，但是请阅读注释部分以了解环境的动态特性。）为了进行阐释，我们还在下方摘录了环境说明：

    """21点规则简介

    二十一点是一种扑克牌游戏，目标是尽量使手中牌的总点数达到 21 点，或是接近 21 点，但不能超过，然后与庄家的点数进行比较。人头牌（J、Q、K）的点数是 10。王牌可以是 11 点或 1 点，11 点时“可用”。这种游戏的整副牌是有限的（或者可以替换）。游戏开始时，每个玩家和庄家的一张牌朝上，另一张牌朝下。玩家可以请求更多的牌 (hit=1) 并决定何时停止请求牌(stick=0) 或者超过 21 点（爆牌）。玩家停止请求牌后，庄家翻开扣着的牌，并抽牌，直到所有点数之和是 17 点或大于 17 点。如果庄家爆牌，玩家获胜。

    如果玩家或庄家都没爆牌，结果（输赢或持平）由谁的点数更接近 21 点来确定。赢了的奖励是 +1，平局的奖励是 0，输了的奖励是 -1。

    包含以下三种状态：玩家的当前点数之和，庄家显示的一张牌（1-10，其中王牌是 1），以及玩家是否拥有可使用的王牌（0 或 1）。

    此规则对应于《强化学习引论》（作者：Sutton 和 Barto，1998 年）第 5.1 个示例中介绍的二十一点问题。
    http://incompleteideas.net/book/the-book.html 
    """